Construir grafos de contexto temporal para la memoria del agente a partir de hechos en evolución con Graphiti
Usa Graphiti cuando un agente necesite memoria a largo plazo que rastree qué cambió, cuándo cambió y qué episodio fuente produjo cada hecho, en lugar de almacenar fragmentos planos o el historial de chat únicamente.
Prerrequisitos
Entorno Python, biblioteca Graphiti, componentes de grafo/base de datos según la documentación de Graphiti, aplicación agente que pueda ingerir episodios y consultar memoria.
Instalación
Usa la ruta de instalación o configuración ascendente que coincida con tu entorno:
- docker run -p 6379:6379 -p 3000:3000 -it --rm falkordb/falkordb:latest
- pip install graphiti-core
- uv add graphiti-core
- pip install graphiti-core[falkordb]
Requisitos y advertencias de la fuente original:
- | Recuperación y rendimiento | Recuperación preconfigurada y lista para producción con rendimiento inferior a 200ms a escala | Implementación personalizada requerida; el rendimiento depende de tu configuración |
- | Herramientas de desarrollador | Panel con visualización de grafos, registros de depuración, registros de API; SDKs para Python, TypeScript y Go | Construye tus propias herramientas |
- Python 3.10 o superior
Notas de uso básico o inicio rápido:
-
Neo4j 5.26 / FalkorDB 1.1.2 / Kuzu 0.11.2 / Cluster de Amazon Neptune Database o Neptune Analytics Graph + Amazon
-
Colección OpenSearch Serverless (sirve como backend de búsqueda de texto completo)
-
Clave API de OpenAI (Graphiti usa OpenAI por defecto para inferencia LLM y embeddings)
-
Extraído de la documentación original: https://raw.githubusercontent.com/getzep/graphiti/HEAD/README.md